Метод прогнозирования состояния радиоканала 4G и 5G

The paper presents a developed framework based on several neural networks for predicting the state of a radio channel in order to select the best modulation and coding scheme on the base station, taking into account the fading in the radio channel. Comparative analysis of the efficiency of modern architectures in the prediction of time series is carried out. Neural Long Short Time Memory (LSTM) network is defined as a framework core. The learning algorithms of the architectures under consideration are investigated. The choice of the radio channel model is justified. The framework efficiency is evaluated.
Представлен разработанный на основе нескольких нейронных сетей фреймворк для прогнозирования состояния радиоканала с целью выбора наилучшей модуляционно-кодовой схемы на стороне базовой станции (с учетом замираний в нисходящей линии связи). Проведен сравнительный анализ эффективности современных архитектур при прогнозировании временных рядов и определена нейронная сеть LSTM в качестве ядра фреймворка. Исследованы алгоритмы обучения рассма- триваемых архитектур. Обоснован выбор модели радиоканала, параметров и проведена оценка эффективности фреймворка.
№12 (2019)